Tehisintellekti populaarsus on kasvanud alates 2016. aastast, kus 20% suurtest ettevõtetest kasutab oma äris tehisintellekti (McKinsey aruanne, 2018). Sama aruande kohaselt võib tehisintellekt luua tööstusharudes olulist väärtust. Panganduses näiteks potentsiaali AI on hinnanguliselt $ 300 miljardit, jaemüük arv kiiresti tõusma $ 600 miljardi.
Tehisintellekti potentsiaalse väärtuse avamiseks peavad ettevõtted valima õige süvaõppe raamistiku. Selles õpetuses saate teada erinevatest raamatukogudest, mis on sügavate õppeülesannete täitmiseks saadaval. Mõni raamatukogu on tegutsenud aastaid, samas kui uus raamatukogu nagu TensorFlow on viimastel aastatel päevavalgele tulnud.
8 parimat süvaõppimise raamatukogu / raamistikku
Selles loendis võrdleme parimaid sügava õppe raamistikke. Kõik need on avatud lähtekoodiga ja populaarsed andmeteadlaste ringkonnas. Võrdleme ka populaarseid ML-i kui teenuse pakkujaid
Taskulamp
Torch on vana avatud lähtekoodiga masinõppe raamatukogu. Esmakordselt ilmus see 15 aastat tagasi. See on esmane programmeerimiskeel, mis on LUA, kuid mida on rakendatud versioonis C. Võrreldes PyTorchi ja TensorFlow'i, toetab see suurt masinõppe algoritmide kogu, sealhulgas sügavat õppimist. See toetab CUDA rakendamist paralleelseks arvutamiseks.
Torchi süvaõppevahendit kasutavad enamus juhtivaid laboratooriume, nagu Facebook, Google, Twitter, Nvidia jne. Torchil on Pythoni nimeline raamatukogu Pytorch.
Infer.net
Infer.net on välja töötatud ja hooldatud Microsofti poolt. Infer.net on raamatukogu, mis keskendub peamiselt Bayesi statistikale. Infer.net on Deep Learningu visualiseerimise tööriist, mis on loodud praktikute pakkumiseks tõenäosusliku modelleerimise tipptasemel algoritme. Raamatukogu sisaldab analüütilisi vahendeid, nagu Bayesi analüüs, varjatud Markovi ahel, klastrid.
Keras
Keras on Pythoni raamistik sügavaks õppimiseks. See on mugav raamatukogu mis tahes sügava õppimise algoritmi koostamiseks. Kerase eeliseks on see, et ta kasutab keskseadmel või GPU-l töötamiseks sama Pythoni koodi. Pealegi on kodeerimiskeskkond puhas ja võimaldab koolitada tipptasemel arvutinägemise algoritmi, muu hulgas teksti tuvastamist.
Kerase on välja töötanud Google'i teadlane François Chollet. Kerast kasutatakse tuntud organisatsioonides nagu CERN, Yelp, Square või Google, Netflix ja Uber.
Theano
Theano on süvaõppe raamatukogu, mille arendas välja Montréali ülikool 2007. aastal. Võrreldes Theanot vs TensorFlow, pakub see kiiret arvutust ja seda saab kasutada nii protsessoris kui ka protsessoris. Theano on välja töötatud sügavate närvivõrkude algoritmide koolitamiseks.
Microsofti kognitiivne tööriistakomplekt (CNTK)
Microsofti tööriistakomplekt, varem tuntud kui CNTK, on Microsofti välja töötatud süvaõppekogu. Microsofti sõnul on raamatukogu turul üks kiiremaid. Microsofti tööriistakomplekt on avatud lähtekoodiga teek, kuigi Microsoft kasutab seda oma toote, näiteks Skype, Cortana, Bing ja Xbox, laialdaselt. Tööriistakomplekt on saadaval nii Pythonis kui ka C ++ keeles.
MXNet
MXnet on hiljutine sügavõppe raamatukogu. Sellele pääseb juurde mitme programmeerimiskeelega, sealhulgas C ++, Julia, Python ja R. MXNeti saab konfigureerida töötama nii protsessori kui ka GPU-ga. MXNet sisaldab tipptasemel süvaõppe arhitektuuri nagu Convolutional Neural Network ja Long Short-Term Memory. MXNet on üles ehitatud töötama kooskõlas dünaamilise pilvetaristuga. MXNeti peamine kasutaja on Amazon
Kohv
Caffe on raamatukogu, mille ehitas Yangqing Jia, kui ta oli doktorant Berkeleys. Caffe vs TensorFlow võrdlemisel on Caffe kirjutatud C ++ keeles ja suudab arvutada nii protsessoril kui ka GPU-l. Caffe'i peamine kasutusala on konvolutsiooniline närvivõrk. Kuigi 2017. aastal laiendas Facebook Caffe'i põhjalikuma õppearhitektuuriga, sealhulgas korduva närvivõrguga. Caffe'i kasutavad akadeemikud ja idufirmad, aga ka mõned suured ettevõtted nagu Yahoo !.
TensorFlow
TensorFlow on Google'i avatud lähtekoodiga projekt. TensorFlow on tänapäeval kõige kuulsam süvaõppe raamatukogu. See ilmus avalikkusele 2015. aasta lõpus
TensorFlow on välja töötatud C ++ keeles ja sellel on mugav Pythoni API, kuigi saadaval on ka C ++ API-d. Sellised silmapaistvad ettevõtted nagu Airbus, Google, IBM ja nii edasi kasutavad sügavate õppimisalgoritmide loomiseks TensorFlow'i.
TensorFlow vs Theano vs tõrvik vs Keras vs infer.net vs CNTK vs MXNet vs kohv: peamised erinevused
| Raamatukogu | Platvorm | Kirjutatud sisse | Cuda toetus | Paralleelne täitmine | On koolitatud mudeleid | RNN | CNN |
|---|---|---|---|---|---|---|---|
| Taskulamp | Linux, MacOS, Windows | Lua | Jah | Jah | Jah | Jah | Jah |
| Infer.Net | Linux, MacOS, Windows | Visual Studio | Ei | Ei | Ei | Ei | Ei |
| Keras | Linux, MacOS, Windows | Python | Jah | Jah | Jah | Jah | Jah |
| Theano | Platvormiülene | Python | Jah | Jah | Jah | Jah | Jah |
| TensorFlow | Linux, MacOS, Windows, Android | C ++, Python, CUDA | Jah | Jah | Jah | Jah | Jah |
| MICROSOFT KOGNITIIVSED TÖÖRIISTAD | Dockeriga Linux, Windows, Mac | C ++ | Jah | Jah | Jah | Jah | Jah |
| Kohv | Linux, MacOS, Windows | C ++ | Jah | Jah | Jah | Jah | Jah |
| MXNet | Linux, Windows, MacOs, Android, iOS, Javascript | C ++ | Jah | Jah | Jah | Jah | Jah |
Kohtuotsus:
TensorFlow on parim raamatukogu, kuna see on ehitatud kõigile ligipääsetavaks. Tensorflow raamatukogu sisaldab erinevat API-d, mis on ehitatud ulatuslikul sügava õppe arhitektuuril, näiteks CNN või RNN. TensorFlow põhineb graafide arvutamisel, see võimaldab arendajal visualiseerida Tensorboadiga närvivõrgu ehitust. See tööriist on abiks programmi silumisel. Lõpuks on Tensorflow loodud ulatuslikuks kasutamiseks. See töötab protsessoril ja GPU-l.
Tensorflow tõmbab GitHubis suurimat populaarsust võrreldes teiste süvaõppe raamatukogudega.
Masinõppe kui teenuse võrdlemine
Järgnevalt on 4 populaarset DL-i kui teenuse pakkujat
Google Cloud ML
Google pakub arendajale eelnevalt koolitatud mudeli, mis on saadaval teenuses Cloud AutoML. See lahendus on olemas arendaja jaoks, kellel pole masinaõppes tugevat tausta. Arendajad saavad oma andmetel kasutada tipptasemel Google'i eelnevalt koolitatud mudelit. See võimaldab kõigil arendajatel treenida ja hinnata mis tahes mudelit vaid mõne minutiga.
Google pakub praegu REST API arvutinägemise, kõnetuvastuse, tõlkimise ja NLP jaoks.
Google Cloudi abil saate koolitada masinõppe raamistikku, mis põhineb TensorFlow, Scikit-learn, XGBoost või Keras. Google Cloudi masinõpe koolitab mudeleid kogu oma pilves.
Google'i pilvandmetöötluse kasutamise eeliseks on masinõppe tootmisse juurutamise lihtsus. Dockeri konteinerit pole vaja seadistada. Pealegi hoolitseb pilv infrastruktuuri eest. Ta teab, kuidas jaotada ressursse protsessorite, GPU-de ja TPU-dega. See muudab treeningu kiiremaks paralleelarvutuste abil.
AWS SageMaker
Google Cloudi peamine konkurent on Amazoni pilv, AWS. Amazon on välja töötanud Amazon SageMakeri, mis võimaldab andmeteadlastel ja arendajatel ehitada, koolitada ja tootmisse viia mis tahes masinõppemudeleid.
SageMaker on saadaval Jupyteri märkmikus ja sisaldab muu hulgas enimkasutatavat masinõppe teeki TensorFlow, MXNet, Scikit-learn. SageMakeriga kirjutatud programmid käivitatakse automaatselt Dockeri konteinerites. Amazon tegeleb ressursside eraldamisega, et optimeerida koolitust ja juurutamist.
Amazon pakub arendajatele API-d, et lisada nende rakendustele intelligentsust. Mõnel juhul pole vaja ratast uuesti leiutada, ehitades nullist uusi mudeleid, samas kui pilves on võimsad eelkoolitatud mudelid. Amazon pakub arvutivisioonile, vestlusbottidele ja keeleteenustele API-teenuseid:
Kolm peamist saadaval olevat API-d on:
- Amazon Rekognition: pakub rakendusele pildi- ja videotuvastust
- Amazon Comprehend: viige läbi tekstikaevandamine ja närvikeelte töötlemine, et näiteks automatiseerida finantsdokumentide seaduslikkuse kontrollimise protsessi
- Amazon Lex: lisage rakendusse vestlusrobot
Azure'i masinõppestuudio
Tõenäoliselt on üks masinõppe sõbralikumaid lähenemisi Azure Machine Learning Studio. Selle lahenduse oluline eelis on see, et eelnevaid programmeerimisteadmisi pole vaja.
Microsoft Azure masinõppestuudio on masinõppelahenduse loomiseks, koolitamiseks, hindamiseks ja juurutamiseks koostöös kasutatav lohistamisriist. Mudelit saab tõhusalt kasutada veebiteenustena ja kasutada mitmes rakenduses, näiteks Excelis.
Azure Machine õppeliides on interaktiivne, mis võimaldab kasutajal mudeli koostada, lihtsalt elemente kiiresti lohistades.
Kui mudel on valmis, saab arendaja selle salvestada ja lükata selle Azure galeriisse või Azure Marketplace'i.
Azure'i masinõppe saab integreerida nende kohandatud sisseehitatud paketti R- või Python-vormingus.
IBM Watson ML
Watsoni stuudio saab andmeprojekte lihtsustada sujuva protsessiga, mis võimaldab andmetest väärtust ja teadmisi ammutada, et aidata ettevõttel targemaks ja kiiremaks saada. Watsoni stuudio pakub hõlpsasti kasutatavat andmeteaduse ja masinõppe keskkonda mudelite ehitamiseks ja koolitamiseks, andmete ettevalmistamiseks ja analüüsimiseks ning teadmiste jagamiseks ühes kohas. Watson Studio on hõlpsasti kasutatav lohistamiskoodiga.
Watsoni stuudio toetab mõnda kõige populaarsemat raamistikku nagu Tensorflow, Keras, Pytorch, Caffe ja saab modelleerimise kiirendamiseks juurutada Nvidia uusimatele GPU-dele sügava õppimise algoritmi.
Kohtuotsus:
Meie seisukohast on kõige soovitatavam Google'i pilvelahendus. Google'i pilvelahendus pakub AWS-i madalamaid hindu andmete salvestamise ja masinõppe lahenduse jaoks vähemalt 30%. Google teeb suurepärast tööd tehisintellekti demokratiseerimiseks. See on välja töötanud avatud lähtekoodiga TensorFlow optimeeritud andmelao ühenduse, mis pakub tohutuid tööriistu alates andmete visualiseerimisest, andmete analüüsist kuni masinõppeni. Pealegi on Google Console ergonoomiline ja palju põhjalikum kui AWS või Windows.